本文由广西媒体吧/广西媒体网/高炮媒体网提供，重点介绍了广告精准投放相关内容。广西媒体吧/广西媒体网/高炮媒体网专业提供徐州广告公司,个人网站广告,网赚广告投放等多项产品服务。公司成立于至今，坚持用服务打动人心，用质量打造口碑，立志成为行业内的领军。

广告精准投放1 提出问题：如何实现广告的精准有效投放。 在现实的推广过程中，优质人群，时间，资源位的确定属于盲测，且市场多变，推广的过程中大量人力财力是无效的投入。通过对推广数据的研究，从人群，投放时间，投放位置等多维度进行点击率数据分析，得出最佳推广方案，从而让推广费用投入更高效。

2 分析思路 为达成广告精准有效投放，从投放位置，投放时间，投放人群三方面多维度的进行点击率的分析，筛选出最佳投放位置，最佳投放时间，优质投放人群实现精准投放，提高推广费用使用效果。

3 数据来源阿里天池

数据集 user_profile.csv.tar.gz

ad_feature.csv.tar.gz

raw_sample.csv.tar.gz

4 数据理解4.1 ad_feature.csv.tar.gz 广告基本信息表，包含846,811个广告id的基本信息

4.2 user_profile.csv.tar.gz 用户基本信息表格，包含1,062,768位用户信息

4.3 raw_sample.csv.tar.gz样本人群点击记录表格，包含26,558,961条点击记录。

5 选择子集5.1 导入数据 新建数据库淘宝推广数据，将数据csv表格通过navicat 导入数据库，导入结果如图

5.2 选择子集淘宝推广数据库包含84611个广告的基本信息、1062768个用户基本信息、26558961个广告点击记录。为构建高效化推广分析模型，我们只选择一个广告id的数据进行分析。为保证分析更准确，选择样本用户点击数据较多的广告id进行分析。

5.3 新建表由于【样本人群点击数据记录表】数据体量是千万级别的sql检索比较费时间，我们筛选表格中广告id710164的点击记录，储存在新建表格【新样本人群点击数据记录表】中。

5.3.1 新建空白表

CREATE TABLE `新样本人群广告点击记录表`

(用户id INT NOT NULL auto_increment,

时间戳 varchar(255) NOT NULL,

广告id varchar(255) NULL,

资源位 varchar(255) NULL,

nonclk varchar(255) NULL,

clk varchar(255) NULL,

PRIMARY KEY(用户id,时间戳)

)ENGINE=INNODB;5.3.2 筛选结果储存在表中

Insert into `新样本人群广告点击记录表`

select * from `样本人群广告点击记录表`

where `广告id` LIKE '%710164%'用SELECT * 查看插入数据结果6 构建模型6.1 创建视图简化操作

用内联结关联【用户基本信息表】与【新样本人群点击记录表】，创建视图简化后续操作广告精准投放

CREATE VIEW 视图（人群分析） AS

SELECT `新样本人群广告点击记录表`.`用户id`,

from_unixtime(`新样本人群广告点击记录表`.`时间戳`,'%Y-%m-%d') AS '点击日期',

from_unixtime(`新样本人群广告点击记录表`.`时间戳`,'%k：%i：%s') AS '点击时间',

`新样本人群广告点击记录表`.`资源位`,

`新样本人群广告点击记录表`.nonclk,

`新样本人群广告点击记录表`.clk,

`用户基本信息表`.`城市层级`,

`用户基本信息表`.`年龄层次`,广告精准投放

`用户基本信息表`.`性别`,

`用户基本信息表`.`消费档次`,

`用户基本信息表`.`职位（是否大学生）`,

`用户基本信息表`.`购物深度`

FROM `新样本人群广告点击记录表`,`用户基本信息表`

WHERE `用户基本信息表`.`用户id`=`新样本人群广告点击记录表`.`用户id`;用SELECT * 查看新建视图结果

6.2 分析不同资源位点击率

SELECT `视图（人群分析）`.`资源位`,

COUNT(*) AS 展现量,

SUM(`视图（人群分析）`.clk) AS 点击数,

CONCAT(ROUND(SUM(`视图（人群分析）`.clk) /COUNT(*)*100 ,2),'%')AS 点击率

from `视图（人群分析）`

GROUP BY `视图（人群分析）`.`资源位`

ORDER BY 点击率 DESC;由分析结果可知，两个资源位点击率差异较少，虽然资源位430539点击率略高一点，但是展现量却不如另一资源位。运营人员应根据推广目的对曝光度以及点击率做合理的权衡。

6.3 多维度分析不同投放时间点击率

6.3.1 每日各时间段点击率分析

SELECT `视图（人群分析）`.`点击时间`,

COUNT(*) AS 展现量,

SUM(`视图（人群分析）`.clk) AS 点击数,

ROUND(SUM(`视图（人群分析）`.clk) /COUNT(*)*100 ,2) AS 点击率,

CONCAT(ROUND(SUM(`视图（人群分析）`.clk) /COUNT(*)*100 ,2),'%')AS 点击率1

from `视图（人群分析）`

GROUP BY `视图（人群分析）`.`点击时间`

ORDER BY 点击率 DESC;分析可知得出以下结论

a、 在展现量达到一定体量的基础上，每日的上午10点、下午3点的点击率出现了小高峰。

b、 晚上由9点开始展现量提升比较大，但是点击率也在处于上升状态。

c、 深夜1-2点点击率超过12%,推测原因，一方面数据体量比较小，偶然性比较高。另一方面推测深夜依旧在逛淘宝，购买欲望比较强烈。

6.3.2 每周各天点击率分析

SELECT DATE_FORMAT(`视图（人群分析）`.`点击日期时间`,'%w') AS 周数,

COUNT(*) AS 展现量,

SUM(`视图（人群分析）`.clk) AS 点击数,

ROUND(SUM(`视图（人群分析）`.clk) /COUNT(*)*100 ,2) AS 点击率,

CONCAT(ROUND(SUM(`视图（人群分析）`.clk) /COUNT(*)*100 ,2),'%')AS 点击率1

from `视图（人群分析）`

GROUP BY DATE_FORMAT(`视图（人群分析）`.`点击日期时间`,'%w')

ORDER BY 点击率 DESC;分析总结：由图可知道周六，周日，周一的点击率偏高，展现量也处于不错的水平。运营人员可以根据推广目的结合转化率每日设置溢价。

6.4 多维度分析各人群点击率

6.4.1 各年龄层次人群点击率分析

SELECT `视图（人群分析）`.`年龄层次`,

COUNT(*) AS 展现量,

SUM(`视图（人群分析）`.clk) AS 点击数,

CONCAT(ROUND(SUM(`视图（人群分析）`.clk) /COUNT(*)*100 ,2),'%')AS 点击率.

from `视图（人群分析）`

GROUP BY `视图（人群分析）`.`年龄层次`;由图可知，年龄层次1,2,5对于点击率偏高，展现量处于不错水平。

6.4.2 各个消费档次人群点击率分析

SELECT `视图（人群分析）`.`消费档次`,

CASE WHEN `视图（人群分析）`.`消费档次`=1 THEN "低档"

WHEN `视图（人群分析）`.`消费档次`=2 THEN "中档"

WHEN `视图（人群分析）`.`消费档次`=3 THEN "高档"

ELSE "未分类"

END AS `实际消费档次`,

COUNT(*) AS 展现量,

SUM(`视图（人群分析）`.clk) AS 点击数,

CONCAT(ROUND(SUM(`视图（人群分析）`.clk) /COUNT(*)*100 ,2),'%')AS 点击率

from `视图（人群分析）`

GROUP BY `视图（人群分析）`.`消费档次`

ORDER BY 点击率 DESC;分析可知，高档人群点击率偏低仅有7.13%，推测是产品的客单价是109，不符合高档人群购物需求，推广时候应该注意剔除此类人群。

6.4.3 各购物深度人群点击率分析

SELECT `视图（人群分析）`.`购物深度`,

CASE WHEN `视图（人群分析）`.`购物深度`=1 THEN "浅层用户"

WHEN `视图（人群分析）`.`购物深度`=2 THEN "中度用户"

WHEN `视图（人群分析）`.`购物深度`=3 THEN "深度用户"

ELSE "未分类"

END AS `实际购物深度`,

COUNT(*) AS 展现量,

SUM(`视图（人群分析）`.clk) AS 点击数,

CONCAT(ROUND(SUM(`视图（人群分析）`.clk) /COUNT(*)*100 ,2),'%')AS 点击率

from `视图（人群分析）`

GROUP BY `视图（人群分析）`.`购物深度`

ORDER BY 点击率 DESC;分析可知，用户购物深度对于点击率影响不大。但是深度用户在展现量占据90%以上，点击率仍有9.45%，该人群点击率比较稳定。

6.4.4 各职位（是否大学生）人群点击率分析

SELECT `视图（人群分析）`.`职位（是否大学生）`,

CASE WHEN `视图（人群分析）`.`职位（是否大学生）`=1 THEN "是"

WHEN `视图（人群分析）`.`职位（是否大学生）`=0 THEN "否"

ELSE "未分类"

END AS `实际职位（是否大学生）`,

COUNT(*) AS 展现量,

SUM(`视图（人群分析）`.clk) AS 点击数,

CONCAT(ROUND(SUM(`视图（人群分析）`.clk) /COUNT(*)*100 ,2),'%')AS 点击率

from `视图（人群分析）`

GROUP BY `视图（人群分析）`.`职位（是否大学生）`

ORDER BY 点击率 DESC;分析可知，用户的职位对于是否是大学生影响不大，分析商品客单价109，属于平价款，接受程度较高。

6.4.5 各城市层级人群点击率分析

SELECT `视图（人群分析）`.`城市层级`,

COUNT(*) AS 展现量,

SUM(`视图（人群分析）`.clk) AS 点击数,

CONCAT(ROUND(SUM(`视图（人群分析）`.clk) /COUNT(*)*100 ,2),'%')AS 点击率

from `视图（人群分析）`

GROUP BY `视图（人群分析）`.`城市层级`

ORDER BY 点击率 DESC;分析可知，第1层级点击率较低，第4层级展现量也比较低，处于中间第2层级展现量以及点击率都很高。

7 总结与建议7.1产品分析

产品客单是109，在对应类目这个价格是普通价位，受众较多。对应广告的展现量以及点击量也处于较高的水平。

7.2 广告资源位分析

产品在两个资源位点击率并无较大差别。

7.3广告投放时间分析

每周六，周日，周一产品的点击率较高。每天上午10点左右，下午3点左右点击率较高。可以根据推广需求，及转化率对于这几个时间区间设置溢价，提高该时段的展现，提高整个计划的点击率。

7.4投放人群分析

由分析可知，广告对于购物深度，以及职位的人群特性不敏感。对于城市层级，年龄层次，消费档次人群特性比较敏感，研究产品本身特点，推测产品主要消费人群是年龄处于1-2层级，消费能力一般，且处于社会中层的群体。